Détails du sujet
DÉTECTION AUTOMATIQUE DE L’INFARCTUS DU MYOCARDE À
PARTIR D’IMAGES ECG DÉGRADÉES À L’AIDE DE RESEAUX DE
NEURONES CONVOLUTIFS
Résumé
Ce mémoire porte sur l’utilisation des techniques d’apprentissage profond pour la détection
automatique de l’infarctus du myocarde à partir d’images d’électrocardiogrammes (ECG).
L’objectif principal de ce travail est d’explorer la capacité des modèles de vision par ordinateur
à analyser des images ECG et à identifier des signes associés à l’infarctus du myocarde. L’étude
s’appuie sur un jeu de données public d’images ECG à 12 dérivations issu de la PTB-XL
Database. Une approche basée sur l’architecture ConvNeXt a été mise en œuvre pour classifier
les images en deux catégories : infarctus du myocarde (MI) et sujets normaux (NORM). Afin
d’améliorer la performance et la robustesse du modèle, différentes stratégies d’apprentissage
ont été mises en œuvre, notamment l’augmentation de données et l’utilisation de la focal loss.
Les résultats expérimentaux montrent que le modèle développé est capable d’atteindre de
bonnes performances de classification tout en conservant une certaine robustesse face à
différentes dégradations visuelles des images ECG. Enfin, une application web nommée
CardioVision-MI a été développée afin d’illustrer l’intégration du modèle dans un outil
interactif d’aide au diagnostic. Les résultats obtenus mettent en évidence le potentiel des
approches d’apprentissage profond pour assister l’analyse des électrocardiogrammes et
contribuer au développement d’outils d’aide à la décision en cardiologie.
Mots-clés : électrocardiogramme (ECG), infarctus du myocarde, apprentissage profond, vision
par ordinateur, classification d’images médicales, ConvNeXt.
Auteur : VIVUYA MUNGOSY
Niveau: G3
Département: Genie Informatique
Année Ac: 2024-2025 , | 2026-06-04 11:41:18
Mots clés
Electrocardiogramme (ECG), infarctus du myocarde, apprentissage profond, vision par ordinateur, classification d’images médicales, ConvNeXt.
Intérêt
La détection précoce des arythmies cardiaques peut significativement améliorer la qualité de vie des patients et sauver des vies. En permettant une intervention rapide, ce système peut prévenir les complications graves liées aux arythmies, réduisant ainsi les coûts de santé et les risques pour les patients. Un tel système a le potentiel de transformer les soins de santé et de fournir des outils précieux aux professionnels de santé pour une meilleure prise en charge des patients.
Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIEL
Encadreur: KALIMUMBALO Daniella MUGHOLE
Status
Décision ou observation:
Feu vert:
Déposé : OUI
Défendu: NON
Finalisé: OUI
DÉTECTION AUTOMATIQUE DE L’INFARCTUS DU MYOCARDE À PARTIR D’IMAGES ECG DÉGRADÉES À L’AIDE DE RESEAUX DE NEURONES CONVOLUTIFS
Résumé
Ce mémoire porte sur l’utilisation des techniques d’apprentissage profond pour la détectionautomatique de l’infarctus du myocarde à partir d’images d’électrocardiogrammes (ECG).
L’objectif principal de ce travail est d’explorer la capacité des modèles de vision par ordinateur
à analyser des images ECG et à identifier des signes associés à l’infarctus du myocarde. L’étude
s’appuie sur un jeu de données public d’images ECG à 12 dérivations issu de la PTB-XL
Database. Une approche basée sur l’architecture ConvNeXt a été mise en œuvre pour classifier
les images en deux catégories : infarctus du myocarde (MI) et sujets normaux (NORM). Afin
d’améliorer la performance et la robustesse du modèle, différentes stratégies d’apprentissage
ont été mises en œuvre, notamment l’augmentation de données et l’utilisation de la focal loss.
Les résultats expérimentaux montrent que le modèle développé est capable d’atteindre de
bonnes performances de classification tout en conservant une certaine robustesse face à
différentes dégradations visuelles des images ECG. Enfin, une application web nommée
CardioVision-MI a été développée afin d’illustrer l’intégration du modèle dans un outil
interactif d’aide au diagnostic. Les résultats obtenus mettent en évidence le potentiel des
approches d’apprentissage profond pour assister l’analyse des électrocardiogrammes et
contribuer au développement d’outils d’aide à la décision en cardiologie.
Mots-clés : électrocardiogramme (ECG), infarctus du myocarde, apprentissage profond, vision
par ordinateur, classification d’images médicales, ConvNeXt.
Auteur : VIVUYA MUNGOSY
Niveau: G3
Département: Genie Informatique
Année Ac: 2024-2025 , | 2026-06-04 11:41:18
Mots clés
Electrocardiogramme (ECG), infarctus du myocarde, apprentissage profond, vision par ordinateur, classification d’images médicales, ConvNeXt.Intérêt
La détection précoce des arythmies cardiaques peut significativement améliorer la qualité de vie des patients et sauver des vies. En permettant une intervention rapide, ce système peut prévenir les complications graves liées aux arythmies, réduisant ainsi les coûts de santé et les risques pour les patients. Un tel système a le potentiel de transformer les soins de santé et de fournir des outils précieux aux professionnels de santé pour une meilleure prise en charge des patients.Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIELEncadreur: KALIMUMBALO Daniella MUGHOLE
Status
Décision ou observation:Feu vert:
Déposé : OUI
Défendu: NON
Finalisé: OUI